Iterative Refinement Improves Compositional Image Generation
Fuente:
arXiv
Salvato in:
| Autori principali: | Jaiswal, Shantanu, Prabhudesai, Mihir, Bhardwaj, Nikash, Qin, Zheyang, Zadeh, Amir, Li, Chuan, Fragkiadaki, Katerina, Pathak, Deepak |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Solving Physics Olympiad via Reinforcement Learning on Physics Simulators
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2026)
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2026)
Video Diffusion Alignment via Reward Gradients
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2024)
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2024)
Diffusion Beats Autoregressive in Data-Constrained Settings
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2025)
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2025)
Aligning Text-to-Image Diffusion Models with Reward Backpropagation
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2023)
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2023)
Unified Multimodal Discrete Diffusion
di: Swerdlow, Alexander, et al.
Pubblicazione: (2025)
di: Swerdlow, Alexander, et al.
Pubblicazione: (2025)
Dex4D: Task-Agnostic Point Track Policy for Sim-to-Real Dexterous Manipulation
di: Kuang, Yuxuan, et al.
Pubblicazione: (2026)
di: Kuang, Yuxuan, et al.
Pubblicazione: (2026)
RoboTAG: End-to-end Robot Configuration Estimation via Topological Alignment Graph
di: Liu, Yifan, et al.
Pubblicazione: (2025)
di: Liu, Yifan, et al.
Pubblicazione: (2025)
3D Diffuser Actor: Policy Diffusion with 3D Scene Representations
di: Ke, Tsung-Wei, et al.
Pubblicazione: (2024)
di: Ke, Tsung-Wei, et al.
Pubblicazione: (2024)
Learning to Assist: Physics-Grounded Human-Human Control via Multi-Agent Reinforcement Learning
di: Shibata, Yuto, et al.
Pubblicazione: (2026)
di: Shibata, Yuto, et al.
Pubblicazione: (2026)
Energy-based Models are Zero-Shot Planners for Compositional Scene Rearrangement
di: Gkanatsios, Nikolaos, et al.
Pubblicazione: (2023)
di: Gkanatsios, Nikolaos, et al.
Pubblicazione: (2023)
DCIRNet: Depth Completion with Iterative Refinement for Dexterous Grasping of Transparent and Reflective Objects
di: Xie, Guanghu, et al.
Pubblicazione: (2025)
di: Xie, Guanghu, et al.
Pubblicazione: (2025)
DFM-VLA: Iterative Action Refinement for Robot Manipulation via Discrete Flow Matching
di: Chen, Jiayi, et al.
Pubblicazione: (2026)
di: Chen, Jiayi, et al.
Pubblicazione: (2026)
Video Generation with Learned Action Prior
di: Sarkar, Meenakshi, et al.
Pubblicazione: (2024)
di: Sarkar, Meenakshi, et al.
Pubblicazione: (2024)
Unifying 2D and 3D Vision-Language Understanding
di: Jain, Ayush, et al.
Pubblicazione: (2025)
di: Jain, Ayush, et al.
Pubblicazione: (2025)
EgoFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving
di: Su, Haisheng, et al.
Pubblicazione: (2024)
di: Su, Haisheng, et al.
Pubblicazione: (2024)
RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation
di: Wang, Yufei, et al.
Pubblicazione: (2023)
di: Wang, Yufei, et al.
Pubblicazione: (2023)
NORA: A Small Open-Sourced Generalist Vision Language Action Model for Embodied Tasks
di: Hung, Chia-Yu, et al.
Pubblicazione: (2025)
di: Hung, Chia-Yu, et al.
Pubblicazione: (2025)
DreamScene4D: Dynamic Multi-Object Scene Generation from Monocular Videos
di: Chu, Wen-Hsuan, et al.
Pubblicazione: (2024)
di: Chu, Wen-Hsuan, et al.
Pubblicazione: (2024)
Maximizing Confidence Alone Improves Reasoning
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2025)
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2025)
Self-Questioning Language Models
di: Chen, Lili, et al.
Pubblicazione: (2025)
di: Chen, Lili, et al.
Pubblicazione: (2025)
IFG: Internet-Scale Guidance for Functional Grasping Generation
di: Liu, Ray Muxin, et al.
Pubblicazione: (2025)
di: Liu, Ray Muxin, et al.
Pubblicazione: (2025)
Pose-Guided Residual Refinement for Interpretable Text-to-Motion Generation and Editing
di: Jeong, Sukhyun, et al.
Pubblicazione: (2025)
di: Jeong, Sukhyun, et al.
Pubblicazione: (2025)
CMR-Agent: Learning a Cross-Modal Agent for Iterative Image-to-Point Cloud Registration
di: Yao, Gongxin, et al.
Pubblicazione: (2024)
di: Yao, Gongxin, et al.
Pubblicazione: (2024)
Continuously Improving Mobile Manipulation with Autonomous Real-World RL
di: Mendonca, Russell, et al.
Pubblicazione: (2024)
di: Mendonca, Russell, et al.
Pubblicazione: (2024)
ODIN: A Single Model for 2D and 3D Segmentation
di: Jain, Ayush, et al.
Pubblicazione: (2024)
di: Jain, Ayush, et al.
Pubblicazione: (2024)
Thermal Image Refinement with Depth Estimation using Recurrent Networks for Monocular ORB-SLAM3
di: Şahin, Hürkan, et al.
Pubblicazione: (2026)
di: Şahin, Hürkan, et al.
Pubblicazione: (2026)
ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation
di: Qin, Yiran, et al.
Pubblicazione: (2026)
di: Qin, Yiran, et al.
Pubblicazione: (2026)
PartCrafter: Structured 3D Mesh Generation via Compositional Latent Diffusion Transformers
di: Lin, Yuchen, et al.
Pubblicazione: (2025)
di: Lin, Yuchen, et al.
Pubblicazione: (2025)
Re$^2$MoGen: Open-Vocabulary Motion Generation via LLM Reasoning and Physics-Aware Refinement
di: Zheng, Jiakun, et al.
Pubblicazione: (2026)
di: Zheng, Jiakun, et al.
Pubblicazione: (2026)
SAPG: Split and Aggregate Policy Gradients
di: Singla, Jayesh, et al.
Pubblicazione: (2024)
di: Singla, Jayesh, et al.
Pubblicazione: (2024)
Improved Image-based Pose Regressor Models for Underwater Environments
di: Peng, Luyuan, et al.
Pubblicazione: (2024)
di: Peng, Luyuan, et al.
Pubblicazione: (2024)
Local Policies Enable Zero-shot Long-horizon Manipulation
di: Dalal, Murtaza, et al.
Pubblicazione: (2024)
di: Dalal, Murtaza, et al.
Pubblicazione: (2024)
Improving Generalization of Language-Conditioned Robot Manipulation
di: Cui, Chenglin, et al.
Pubblicazione: (2025)
di: Cui, Chenglin, et al.
Pubblicazione: (2025)
DRAMA-X: A Fine-grained Intent Prediction and Risk Reasoning Benchmark For Driving
di: Godbole, Mihir, et al.
Pubblicazione: (2025)
di: Godbole, Mihir, et al.
Pubblicazione: (2025)
Improving Zero-Shot ObjectNav with Generative Communication
di: Dorbala, Vishnu Sashank, et al.
Pubblicazione: (2024)
di: Dorbala, Vishnu Sashank, et al.
Pubblicazione: (2024)
DiFuse-Net: RGB and Dual-Pixel Depth Estimation using Window Bi-directional Parallax Attention and Cross-modal Transfer Learning
di: Swami, Kunal, et al.
Pubblicazione: (2025)
di: Swami, Kunal, et al.
Pubblicazione: (2025)
Improved Bag-of-Words Image Retrieval with Geometric Constraints for Ground Texture Localization
di: Wilhelm, Aaron, et al.
Pubblicazione: (2025)
di: Wilhelm, Aaron, et al.
Pubblicazione: (2025)
ViserDex: Visual Sim-to-Real for Robust Dexterous In-hand Reorientation
di: Bhardwaj, Arjun, et al.
Pubblicazione: (2026)
di: Bhardwaj, Arjun, et al.
Pubblicazione: (2026)
PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving
di: Chen, Zhili, et al.
Pubblicazione: (2023)
di: Chen, Zhili, et al.
Pubblicazione: (2023)
Iterative Closed-Loop Motion Synthesis for Scaling the Capabilities of Humanoid Control
di: Xu, Weisheng, et al.
Pubblicazione: (2026)
di: Xu, Weisheng, et al.
Pubblicazione: (2026)
Documenti analoghi
-
Solving Physics Olympiad via Reinforcement Learning on Physics Simulators
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2026) -
Video Diffusion Alignment via Reward Gradients
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2024) -
Diffusion Beats Autoregressive in Data-Constrained Settings
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2025) -
Aligning Text-to-Image Diffusion Models with Reward Backpropagation
di: Prabhudesai, Mihir, et al.
Pubblicazione: (2023) -
Unified Multimodal Discrete Diffusion
di: Swerdlow, Alexander, et al.
Pubblicazione: (2025)